將影片和音訊轉換為文字——從單一 YouTube 影片、整個頻道、Instagram Reels、Podcast、Loom、Twitch VOD 或任何直接媒體檔案連結中，提取完整逐字稿、時間戳區段、SRT 及 VTT 字幕，以及前 3 秒的鉤子（hook）。支援約 90 種語言，無需第三方 API 金鑰，且當影片無內容時完全免費。
此技能能夠自動將來自多種來源的影片和音訊內容轉換為結構化文字輸出。這些來源包括：單一 YouTube 影片（含 Shorts 和直播存檔）、整個 YouTube 頻道、創作者的 Instagram Reels、Podcast 集數、Loom、Twitch VOD，以及任何直接的媒體檔案連結。 它支援多種輸出格式，如完整的逐字稿、帶時間戳的片段、SRT 和 VTT 格式的字幕，以及前 3 秒的「鉤子」文字擷取。背後的運作機制是智慧判斷：當影片本身已有逐字稿或字幕時，會優先使用；若無，則自動執行語音轉文字（Speech-to-Text）處理。 此技能涵蓋約 90 種語言，完全無需第三方 API 金鑰，因此非常適合對隱私和成本敏感的場景。當影片或音訊完全靜音或無內容時，系統不會產生任何費用。該工具在 Apify 平台上運行，可輕鬆整合至開發者工作流程中，特別適用於內容分析、字幕生成、可及性（accessibility）提升，以及大規模的媒體內容爬取。
npx skills add https://github.com/steadyfetch/steadyfetch-agent-tools/tree/main/skills/apify-video-transcripts將影片和音訊轉換為文字——從單一 YouTube 影片、Shorts、直播存檔（VOD）、整個 YouTube 頻道（一次執行）、創作者的 Instagram Reels、Podcast 集數、Loom 或 Twitch VOD，以及任何直接媒體檔案連結中，提取完整逐字稿、時間戳區段、SRT 和 VTT 格式字幕，以及前 3 秒的鉤子（hook）。
當存在逐字稿或字幕時，系統會優先使用；若無，則自動執行語音轉文字（Speech-to-Text）。支援約 90 種語言，無需第三方 API 金鑰，且當影片完全靜音或無內容時不收取任何費用。在以下情況使用此技能最為合適...
Extract frames or short clips from videos using ffmpeg.
Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.
Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.
Obra superpowers agent skills.
See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...
End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.